Làm tốt lắm!

Bảo mật dữ liệu và Ẩn danh trong Python

Rebeca Gonzalez

Data engineer

Bạn đã hoàn thành khóa học

Tóm tắt: Bạn đã học

• Thông tin nhận dạng cá nhân (PII) nhạy cảm/không nhạy cảm
• Quasi-identifier
• Tấn công liên kết
• Che giấu dữ liệu
• Mặt nạ dữ liệu
• Khái quát hóa dữ liệu
• Tạo dữ liệu tổng hợp
• Lấy mẫu từ phân phối xác suất cho các loại thuộc tính khác nhau

Mô hình quyền riêng tư: k-anonymity

• Bộ dữ liệu k-ẩn danh
• Khám phá các tổ hợp có thể trong bộ dữ liệu
• Khái quát dữ liệu bằng phân cấp và khoảng
• Tránh tấn công tái định danh
• Không làm sai lệch hay ngẫu nhiên hóa dữ liệu!

Mô hình quyền riêng tư: differential privacy

• Hệ thống differential privacy có thể đo lường và định lượng quyền riêng tư trong công bố dữ liệu
• Một trong những định nghĩa quan trọng nhất về quyền riêng tư hiện nay

Mô hình và thao tác có differential privacy

• Ngày càng nhiều người dùng mô hình ML/DL có differential privacy
• Đã huấn luyện và chạy nhiều loại mô hình ML có differential privacy!
• Luyện các khái niệm nâng cao như ngân sách và theo dõi quyền riêng tư

Thư viện khác đáng chú ý

$$ $$

• Differential privacy của Google
• TensorFlow Privacy
• Công cụ ẩn danh dữ liệu ARX

Chúc mừng!

Bảo mật dữ liệu và Ẩn danh trong Python